Que sont les outils MCP et comment les modèles d'IA les utilisent-ils ?

Les outils MCP sont des fonctions qu'un modèle d'IA peut appeler pour effectuer une tâche en dehors de la conversation, par exemple rechercher dans vos notes ou interroger une base de données. Chaque outil est hébergé sur un serveur MCP (Model Context Protocol) et possède un nom ainsi qu'une courte description qui aident le modèle à décider quand l'utiliser.

Le terme « outil MCP » est aussi employé dans d'autres sens. Dans l'usage courant, on parle d'« outils MCP » pour désigner les serveurs MCP (les applications qui proposent des outils) ou les annuaires qui répertorient ces serveurs. MCP Tools est également le nom d'un programme en ligne de commande permettant de lister et d'appeler les outils d'un serveur MCP.

Ce guide porte sur les fonctions du protocole, et non sur les serveurs, les annuaires ou les lignes de commande. Il explique de quoi se compose un outil, quels types d'outils les serveurs proposent et en quoi les outils diffèrent des ressources, des prompts et de l'appel de fonctions. Il détaille ensuite les étapes que suit un modèle pour utiliser un outil, puis se termine par les problèmes les plus courants liés à leur utilisation.

Que sont les outils MCP ?

Un outil MCP est une fonction qui permet aux modèles d'IA d'accomplir des tâches avec d'autres applications logicielles. Par exemple, mes agents d'IA et mes flux de travail utilisent des outils MCP pour rédiger des brouillons d'e-mails dans Gmail (create_draft), créer des cartes Trello (trelloWriteCard) et récupérer des résultats de recherche en temps réel depuis DataForSEO (serp_organic_live_advanced), pour ne citer que quelques exemples.

Les applications logicielles proposent souvent plusieurs outils MCP sur leurs serveurs MCP. Par exemple, le serveur MCP de Trello compte actuellement 14 outils MCP qui permettent aux modèles d'IA de lire et de mettre à jour des tableaux, des listes, des checklists, des cartes, et plus encore.

Et comme MCP standardise la façon dont les outils sont décrits et proposés, toute application d'IA compatible avec le protocole peut utiliser le même outil MCP.

Ce que comprend un outil MCP

Chaque outil MCP comporte trois éléments :

• Nom : un identifiant court que le modèle utilise lorsqu'il appelle l'outil (par exemple, get_event dans Google Agenda).
• Description : une explication en langage clair de ce que fait l'outil et des situations où il est utile. Le grand modèle de langage (LLM) la lit pour déterminer si l'outil correspond à votre demande (par exemple, « Returns a single event on the given calendar. »).
• Entrées : les informations dont l'outil a besoin pour s'exécuter, comme un nom de client et une date pour une recherche dans des notes. Elles sont décrites en JSON ; les développeurs parlent de schéma d'entrée (input schema), car celui-ci définit le format de chaque entrée (texte, nombre ou liste).

Agrandir

Certains outils ajoutent des métadonnées supplémentaires : un nom d'affichage, une description des résultats qu'ils renvoient (un schéma de sortie) et des annotations sur le comportement de l'outil.

Le modèle d'IA ne voit jamais le code qui se cache derrière un outil. Il se fie à ce que l'outil dit de lui-même : un nom ou une description vague amène donc le modèle à choisir le mauvais outil.

Les différents types d'outils MCP

Les outils MCP se répartissent en quatre catégories selon leur fonction :

• Outils de recherche et de consultation : trouver ou récupérer des informations (par exemple, rechercher dans des notes, lire un fichier ou interroger une base de données).
• Outils d'action : créer ou modifier quelque chose dans une autre application (par exemple, ajouter une tâche, créer un événement d'agenda, ouvrir un ticket d'assistance ou envoyer un e-mail).
• Outils de traitement des données : transformer ou analyser des données (par exemple, analyser un fichier de tableur ou effectuer un calcul).
• Outils système : interagir avec le système local (par exemple, exécuter une commande dans un terminal).

Outils MCP vs ressources & prompts

Outre les outils MCP, un serveur MCP peut proposer deux autres types de briques, que le protocole appelle des primitives : les ressources et les prompts.

Agrandir

Par exemple, le serveur MCP officiel de GitHub propose :

• Un outil appelé issue_write qui crée ou met à jour des issues,
• Une ressource appelée repository_content qui donne accès aux fichiers d'un dépôt,
• Un prompt appelé issue_to_fix_workflow qui définit les étapes pour signaler un problème sous forme d'issue et faire générer par l'agent de codage Copilot de GitHub une pull request qui le corrige.

La différence tient à ce que fait chacun et à qui décide quand l'utiliser : vous, l'application d'IA dans laquelle vous travaillez (par exemple, Perplexity), ou le modèle d'IA qui s'exécute dans cette application.

• Un outil MCP effectue des actions ou recherche des informations. Le modèle d'IA décide de manière autonome quand appeler un outil, et votre application d'IA transmet l'appel au serveur. Votre modèle d'IA choisit les outils ; votre application d'IA doit vous montrer chaque appel et vous permettre de le refuser.
• Une ressource est un contenu disponible sur le serveur MCP, comme un fichier ou un ensemble d'enregistrements, chacun doté de sa propre adresse (une URI). Votre application d'IA demande au serveur quelles ressources il possède, lit celle dont elle a besoin grâce à son adresse et ajoute le contenu à la conversation en tant que contexte.
• Un prompt est un modèle de message prêt à l'emploi fourni par le serveur, parfois avec des champs à compléter. Votre application d'IA vous présente les prompts disponibles, et vous en choisissez un, souvent sous forme de commande slash.

Comment les modèles d'IA utilisent les outils MCP

Un modèle d'IA utilise un outil MCP en cinq étapes : la découverte, la sélection de l'outil, l'invocation, les résultats et la gestion des erreurs. Votre application d'IA assure toute la transmission entre le modèle et le serveur.

Agrandir

Imaginons que vous demandiez à votre application d'IA de consulter votre liste Trello « Cette semaine » et de rédiger un e-mail à votre éditeur pour faire le point. Voici ce qui se passe, du début à la fin :

1. Découverte : lorsque votre application d'IA se connecte à un serveur MCP par l'intermédiaire de clients MCP, elle demande la liste des outils disponibles sur le serveur (une requête appelée tools/list). Le LLM ne voit que ce que l'application lui transmet : le nom, la description et les entrées de chaque outil.
2. Sélection de l'outil : le modèle d'IA compare votre demande à ces descriptions et choisit les outils adaptés. Ici, il s'agit de trelloReadList de Trello pour lire la liste et de create_draft de Gmail pour rédiger l'e-mail. Il renseigne également les entrées, par exemple la liste à lire.
3. Invocation : le modèle répond par une requête structurée demandant l'exécution de l'outil (une étape appelée « function calling », ou appel de fonctions). Votre application d'IA envoie cette requête au bon serveur (une requête tools/call). Elle doit également vous montrer l'appel et vous permettre de le refuser.
4. Résultats : le serveur exécute la fonction et renvoie le résultat (result), en l'occurrence les cartes de votre liste. Votre application d'IA ajoute le résultat à la conversation, et le modèle décide de la suite : vous répondre ou appeler un autre outil, comme create_draft avec un e-mail basé sur ces cartes.
5. Gestion des erreurs : si l'outil s'exécute mais échoue, par exemple parce que la liste n'existe pas, l'erreur est renvoyée dans le résultat. Le modèle peut la lire et réessayer avec d'autres entrées. Si la requête elle-même est invalide, par exemple parce qu'elle appelle un outil dont le serveur ne dispose pas, l'application reçoit à la place une erreur de protocole. Le modèle a alors moins de chances de rectifier le tir.

Le point essentiel : le modèle choisit les outils uniquement à partir de leurs descriptions, et c'est votre application d'IA qui se charge de toute la communication avec les serveurs.

Problèmes courants liés aux outils MCP et comment les éviter

Les problèmes liés aux outils MCP tiennent à quatre facteurs : le nombre d'outils connectés, la façon dont ils sont nommés et décrits, la quantité de données qu'ils renvoient et les serveurs dont ils proviennent.

Voici comment se manifeste chaque problème et ce qui permet d'y remédier :

Pourquoi les outils MCP ont-ils besoin de votre approbation ?

Les outils MCP ont besoin de votre approbation car, sans elle, le modèle d'IA pourrait effectuer des modifications que vous n'aviez pas prévues ou partager des données sensibles avec un serveur que vous ne contrôlez pas.

Une demande mal interprétée ou un outil décrit de façon vague peut déclencher la mauvaise action. Chaque appel envoie aussi une partie de vos informations à un serveur.

C'est pourquoi le protocole attend des applications d'IA qu'elles gardent un humain dans la boucle, avec la possibilité de refuser tout appel d'outil.

Voici une façon pratique de classer les outils selon le niveau de vérification qu'ils nécessitent :

• Actions en lecture seule : consulter une information, comme lire une liste avec trelloReadList de Trello, ne modifie rien. Ces appels peuvent s'exécuter sans demande préalable, à condition que votre application d'IA indique quel outil a été exécuté et ce qu'il a consulté.
• Actions réversibles : créer un brouillon d'e-mail avec create_draft de Gmail ou ajouter une carte Trello modifie quelque chose que vous pouvez annuler. Vérifiez les entrées avant l'exécution de l'appel.
• Actions irréversibles : envoyer un e-mail avec send_message de Gmail, supprimer des enregistrements ou effectuer toute opération impliquant des paiements ou des données sensibles : ces actions ne peuvent pas être annulées. Accordez-leur une autorisation explicite à chaque fois.

Utiliser les outils MCP dans Perplexity

Perplexity fonctionne avec les outils MCP dans les deux sens : il peut utiliser les outils des serveurs MCP que vous connectez, et il propose ses propres outils à d'autres applications d'IA.

• Connecter des serveurs MCP à Perplexity : avec les forfaits Pro, Max et Enterprise, vous pouvez connecter Perplexity à n'importe quel outil ou source de données externe disposant d'un serveur MCP, et l'utiliser dans les réponses et dans les flux de travail agentiques de Perplexity Computer. Dans l'application Mac, vous pouvez également connecter des serveurs MCP qui s'exécutent sur votre ordinateur
• Utiliser les outils de Perplexity dans d'autres applications d'IA : le serveur MCP de Perplexity propose quatre outils (perplexity_search, perplexity_ask, perplexity_research et perplexity_reason) à toute application d'IA compatible avec les serveurs MCP distants, comme Claude Code. Un serveur distinct permet à d'autres applications d'IA de confier des tâches en plusieurs étapes à Perplexity Computer.

FAQ sur les outils MCP

MCP se résume-t-il à l'appel d'outils ?

Non, MCP ne se résume pas à l'appel d'outils. L'appel d'outils est la façon dont le modèle demande à utiliser un outil, tandis que MCP est la façon dont l'application d'IA trouve les outils et achemine chaque appel vers le serveur qui l'exécute.

L'appel d'outils (également appelé appel de fonctions, ou function calling) correspond à la part du travail qui revient au modèle d'IA : le modèle voit une liste d'outils et répond par une requête demandant d'en exécuter un. Avec le seul appel d'outils, chaque application d'IA doit définir et exécuter elle-même chaque outil.

MCP permet aux outils de résider sur des serveurs, de sorte que toute application d'IA compatible avec MCP peut les proposer à son modèle et envoyer les requêtes du modèle au bon serveur.

MCP va-t-il remplacer les API ?

Non, MCP ne remplacera pas les API, car MCP et les API fonctionnent ensemble. Les outils MCP reposent souvent sur des API existantes, et lorsque le modèle appelle un outil, le serveur MCP effectue généralement une requête API.

Quelles applications d'IA prennent en charge les outils MCP ?

Les outils MCP fonctionnent dans des assistants d'IA comme Claude, ChatGPT et Perplexity, ainsi que dans des outils de développement comme Visual Studio Code et Cursor. La documentation MCP les cite et précise que de nombreuses autres applications les prennent également en charge.

Le modèle d'IA lui-même doit-il prendre en charge MCP ?

Non. Le modèle d'IA n'a pas besoin de prendre en charge MCP, car c'est votre application d'IA qui gère le protocole. Elle se connecte aux serveurs, transmet leurs outils au modèle et renvoie les requêtes d'outils du modèle au bon serveur. Le modèle doit seulement prendre en charge l'appel de fonctions.

MCP est-il en train de devenir obsolète ?

Non, MCP est toujours en développement actif. Ses mainteneurs ont publié une nouvelle version de la spécification MCP en juillet 2026 et une feuille de route mise à jour en août 2026, qui prévoit notamment de permettre aux serveurs de dévoiler leurs outils progressivement, à mesure qu'une conversation se précise.